データレイク

📖 もうちょい詳しく

何が新しいの？

むかしのデータ管理は、表のかたちにきれいに整えてからためるのがふつうでした。でも、アクセスログ・画像・音声・センサーの値など、整えにくいデータが一気に増えました。そこで「とりあえず形を問わず、生のままぜんぶためておこう」という考え方が広まりました。これがデータレイク（生データの大きな保管場所）です。

どうやって動いてるの？

データレイクは、入れるときにかたちを決めません。テキストでも画像でも、来たものをそのまま放り込みます。整えるのは、使うときになってから、という順番です。これを「読むときに意味づけする」やり方と呼びます。先に整えてからためるデータウェアハウス（整えた集計用のデータベース。DWH）とは順番が逆です。

何ができるの？

あとから「やっぱりこのデータも使いたい」となっても、捨てずに置いてあるので取り出せます。分析やAIの学習では、まだ使い道が決まっていないデータも材料になります。とりあえず全部ためておけることが、データレイクの強みです。

🌱 身近なたとえ

大きな倉庫で例えるとイメージしやすいです。まだ分類していない荷物を、箱のまま全部とりあえず運び込んでおきます。必要になったときに、その場で開けて中身を整えて使います。先に棚にきれいに並べてからしまう「整理ずみの本棚（＝データウェアハウス）」とは、置き方の順番がちがう、ということです。

✅ まず覚えるポイント

• 加工前の生データを、形式を問わずそのままためる保管場所です
• 入れるときに整えず、使うときに整える、という順番です
• 画像・音声・ログなど、表にしにくいデータも入れられます
• 先に整えてからためるDWHとは、考え方が対になっています
• 「とりあえず全部置いておける」のが大きな利点です

🧭 よくある勘違い

データレイクがあればDWHはいらないの？

役割がちがうので、両方を使い分けることが多いです。データレイクは生データを幅広くためる場所、DWHは整えた集計用データを速く返す場所です。レイクにためた生データを整えて、DWHに移す、という連携もよく見られます。

ただの大きなフォルダと何がちがうの？

入れるときは似ていますが、データレイクは大量のデータを安く保管し、あとからまとめて分析できることを前提に作られています。ただ、整理のルールを決めずに放り込み続けると、中身が分からない状態になることもあり、これは「データの沼（データスワンプ）」と呼ばれて注意されます。

🧩 関連して覚えると楽な言葉

• データウェアハウス（DWH）: 整えてから集計用にためるデータベース。レイクと対の関係です
• ETL: データを抜き出し・整え・移す一連の処理のことです
• ビッグデータ: 量・種類・速さが大きいデータの総称です
• データパイプライン: データをためて流して加工する仕組みの流れです

🏁 ひとことでまとめ

整えるより先に、まず生のまま全部ためておく。それがデータレイクという保管場所です。